DeepMind前扑克AI团队创立EquiLibre，凭强化学习获5亿美元估值，引领量化对冲新赛道

背景与创始团队

EquiLibre Technologies 由三位前DeepMind研究员组建：CEO Martin Schmid、CTO Rudolf Kadlec 与 CSO Matej Moravcik。四年前，他们在DeepMind的埃德蒙顿实验室研发出 DeepStack，首次让AI在无限注德州扑克中击败职业玩家。

融资概览

融资轮次：Series A（金额未披露）
领投方：Creandum，创始人 Cameron Sellers 称此为该基金史上最大单笔投资。
估值：约 5亿美元，较 2024 年的 1.4亿美元种子轮估值实现跨越式增长。
历史融资：2022 年种子轮 1,000万美元（Blossom Capital），2023 年 Pre‑seed 规模未公开。

技术核心：强化学习在交易中的落地

Reinforcement Learning（强化学习）通过奖励函数直接衡量收益——在金融市场中即“赚了多少钱”。EquiLibre 将 DeepStack 的自博弈框架迁移至股票与加密资产交易，核心优势包括：

即时反馈：每日结算的盈亏即为模型的奖励信号，实现快速迭代。
跨市场迁移：自 2025 年起在加密市场验证后，已在 S&P 500 与 Nasdaq 上部署，日交易量达数十亿美元。
零负月记录：自产品上线以来每月均实现正收益，未出现负收益月份。

市场定位与竞争格局

Quant 对冲基金领域已有多家使用 RL 与 LLM 的老牌玩家，如 Jane Street 拥有上万块高端 GPU。EquiLibre 通过高效算力利用（在中欧地区构建大型算力集群）以及小规模芯片高密度部署，力求在算力成本上实现优势。

未来布局

算力扩张：计划在中欧搭建区域最大计算集群之一，以支撑更高频率的模型训练。
产品化：将内部交易算法包装为 API，向更多量化基金提供即插即用的 RL 交易引擎。
人才生态：依托布拉格的科研网络，继续吸引前 Google、DeepMind 与本地高校的顶尖人才。

结语

EquiLibre 将自己定位为“实验室优先”，而非传统金融机构，旨在用前沿 AI 技术重新定义量化交易的利润模型。随着强化学习在金融领域的标准化，若其算力优势与模型创新得以持续，EquiLibre 有望在竞争激烈的对冲基金赛道中占据一席之地。